夜雨聆风这个系列的话题是源于近日与女儿闲聊时的一段对话
这两年，我在和一些年轻人、家长聊天的时候，经常听到一种很熟悉的说法：
“现在工作不好找，要不要先考个研？”
这句话本身没问题。
问题是，很多人说这句话的时候，其实并不是在讨论研究，也不是在讨论专业能力。
他真正想说的是：
外面的世界太不确定了，我能不能先躲回学校里，再缓三年？
这就是我想写这篇文章的原因。
如果要找一个中国互联网上更近的切口，其实不用找很远。
每年高考后，志愿填报都会变成一次全网大讨论。到了 AI 这几年，各种 AI 志愿填报、AI 选专业、AI 测录取概率的工具，也会跟着热起来。
家长很焦虑，学生也很焦虑。
大家问 AI 的问题通常是：
这个分数能上哪所学校？
这个专业以后好不好就业？
哪个城市更稳？
哪个选择不容易后悔？
这些问题都很现实。
但我总觉得，这里面少了一个更关键的问题：
四年以后，你到底要带着什么能力进入真实世界？
我看到过一篇研究，专门访谈了中国家庭使用 AI 工具辅助高考志愿决策的过程。研究者发现，很多家庭确实会用这类工具生成院校列表和录取概率，但使用过程往往更关注分数、概率、学校和城市，学生本人参与反而有限，长期职业目标也容易被压到后面。
这个现象挺有意思。
AI 明明可以帮一个年轻人打开更大的能力想象，但在很多家庭那里，它先被用来做一件事：
帮我们在旧系统里选一个看起来更安全的位置。
这就是今天教育焦虑很典型的地方。
我们嘴上说要面向未来，手上做的动作，还是在找一张更稳的门票。
再看一个职场端的讨论，会更清楚。
美国 AI 公司 Sierra 的联合创始人 Clay Bavor 在一档播客里提到，他们公司里一些表现非常好的员工，是 22 岁、23 岁、非常熟悉 AI 工具的年轻人。更有意思的是，这家公司在招聘时，已经会让候选人现场用 AI 工具构建应用。
你看，这就是很现实的变化。
教育这边，很多人还在讨论 AI 志愿填报到底准不准，AI 写作业到底算不算作弊。
企业那边，有些公司已经开始问：
你能不能把 AI 用进真实工作，现场做出东西？
这两个世界，中间差的不是一张文凭。
差的是能力形成方式。
我现在越来越觉得，有一句话需要拆开来看：
知识仍然能改变命运，但“读书”不一定还能自动改变命运。
这句话有点刺耳。
尤其对很多相信教育、重视教育的家庭来说，听起来不太舒服。
但如果我们不把这句话讲清楚，很多年轻人可能会在最宝贵的三年、五年里，把读研、读博、考证，当成一种面对不确定世界的避难动作。
我先把边界说清楚。
我不是反对读研。
恰恰相反，我认为真正的研究生教育、博士教育，非常有价值。一个人如果真的要进入某个专业纵深，做严肃研究，提升认知结构，补足关键能力，他当然应该继续读。
我反对的是另一件事：
一个年轻人还没有想清楚自己要解决什么问题、要进入什么行业、要形成什么能力闭环，只是因为就业环境不好、身边同学都在考、自己心里不安，于是把考研当成一个“再躲三年”的选择。
这不是教育。
这更像是一种被包装成上进的避险。
01 过去读书为什么真的能改变命运？
我们不能用今天的问题，倒过来否定过去。
在很长一段时间里，读书确实改变了很多普通家庭的命运。
因为那时候，文凭背后至少绑定了三件东西。
第一，文凭绑定了稀缺性。
大学生少，研究生更少。一个本科文凭、一个研究生文凭，本身就是社会筛选系统里的强信号。
第二，文凭绑定了组织入口。
很多单位、企业、机关、学校都在扩张，需要大量受过系统训练的人。你拿到一张还不错的学历证书，就有机会进入一个稳定组织，获得训练、资源、身份和上升路径。
第三，文凭绑定了知识差。
过去知识获取成本很高。很多专业知识、行业信息、方法训练，都集中在学校和少数组织内部。你读了大学，确实比很多没读过大学的人多了一层认知和信息优势。
所以，“读书改变命运”不是一句空话。
它曾经是一个相对成立的社会公式。
但问题在于，公式里的变量变了。
02 文凭还重要，但它越来越不像“命运钥匙”
第一个变化，是文凭的供给变了。
近几年，国内高校毕业生规模持续处在千万级别。按照公开报道口径，2024 届全国高校毕业生规模已经达到 1179 万人，2025 届预计达到 1222 万人。
这两个数字放在一起看，意思很直接：
学历仍然重要，但同一张入场券前面，正在排越来越长的队。
这个背景对单个年轻人意味着什么？
很简单：
你拿到的那张文凭仍然有用，但它越来越像入场券，而不是胜负手。
入场券的意思是，没有它，你可能连很多门都进不去。
但有了它，也不代表门后面一定有位置。
过去，一个本科生、研究生出现在市场上，企业会问：
“这个人能不能培养？”
今天，企业更常问的是：
“这个人现在能不能解决问题？能不能马上上手？能不能用更少的人，交付更多结果？”
这不是年轻人不努力。
这是供需关系变了。
一边是毕业生数量长期处在高位，一边是很多行业进入降本、提效、收缩、自动化的周期。企业不是不需要人才，而是越来越不愿意为“从零培养一个没有交付闭环的人”支付长期成本。
尤其 AI 出现之后，很多初级脑力劳动正在被重新定价。
资料整理、基础文案、会议纪要、初级调研、简历筛选、客服初答、PPT 初稿、表格处理、竞品资料归纳，这些过去常常由实习生、助理、初级岗位完成的工作，现在已经可以被 AI 大幅压缩。
一个年轻人如果只是多读了几年书，但仍然只停留在“会完成任务”的层面，他面对的竞争对手就不只是同龄人。
他还要面对一个越来越便宜、越来越能干、越来越容易被接入流程的 AI 系统。
我自己做过一个匿名项目，感受很深。
那个项目是医疗方向的患教文案，要求非常高。不是写几句健康科普那么简单，而是要做合规化表达，要查医学、药学资料，要引用权威论证，还要避开医疗广告、功效承诺、适应症表述这些风险点。
以前这类内容，通常要靠有医学、药学背景的人来写。有些参与者甚至是医学方向的研究生、博士生。
但即便这样，产出也不高。
一个人一天能稳定写出 5 到 8 篇，已经很不容易。
后来我们把这件事拆成一条 AI 工作流：
疾病 / 药品 / 场景输入-> 医学和药学资料检索-> 合规边界提取-> 患教结构生成-> 风险表达检查-> 专业人员复核跑通以后，AI 可以在几分钟内生成一篇接近人工水平的合规患教初稿。
注意，我说的是“初稿”。
这种内容绝对不能绕过医学、药学和合规审核。医疗内容的质量闸门必须保留，而且要更严。
但这个案例说明了一件事：
AI 真正改变的不是“会不会写字”，而是把高资料密度、高合规要求、高重复性的专业写作，压缩成一条可执行、可审核、可复用的工作流。
这对年轻人的启发很直接。
未来很多岗位不是简单消失，而是岗位里的动作被重新拆分了。
谁能把专业知识、资料检索、工具调用、质量闸门串成流程，谁就更有价值。
谁只停留在“我学过这个专业，所以我能慢慢写”，优势就会被压缩。
Microsoft 和 LinkedIn 在 2024 年发布的 Work Trend Index 里有两个数字，很能说明这个变化：他们调研了 31 个国家的 3.1 万人，发现 75% 的全球知识工作者已经在工作中使用 AI；同时，66% 的领导者表示不会雇佣没有 AI 技能的人，71% 的领导者更愿意雇佣“经验少一点但 AI 技能更强”的候选人。
这个数字不一定能直接套到每一个行业、每一个公司。
但它至少说明一件事：
企业正在重新定义“可培养的人”。
过去，可培养可能意味着学历、专业、态度。
现在，它越来越包括一个新变量：
你能不能把 AI 放进真实工作里，产生更快、更稳、更可验收的结果。
这也是为什么我觉得，今天讨论学历，不能只讨论学历本身。
真正的问题是：
同样是一个 22 岁、23 岁的年轻人，有的人只是多了一张证书，有的人已经能用 AI 做出一个可验收的小系统。
这两种人，在企业眼里，已经不是同一种候选人。
03 AI 对教育最大的冲击，不是作弊，而是反馈周期变了
很多高校和家长谈 AI 对教育的冲击，第一反应是：
学生会不会用 AI 写作业？
论文会不会造假？
考试怎么防作弊？
这些问题当然重要。
但我认为，这还不是最深的冲击。
AI 对教育真正深层的冲击，是它改变了知识和能力形成的反馈周期。
2023 年，我曾以 AI 应用技术专家的身份，参加过一个由多所高校教育专家 和 AI 技术专家组成的交流讨论。很多老师、管理者、教育研究者，其实都已经感受到 AI 会冲击高考、专业设置、高校培养模式和未来就业。
但他们普遍有一种很深的无力感。
不是他们没看到问题。
而是高校系统的反应速度，很难匹配 AI 的变化速度。
一个高校专业要调整，往往要先发现问题，再组织调研，再论证，再立项，再设计培养方案，再招生，再培养。
即便一切顺利，真正有人才输出到社会，通常也要四年甚至更久。
但生成式 AI 的变化不是按“四年”为单位发生的。
它常常是按月，甚至按周在变。
模型能力在变，工具形态在变，行业用法在变，企业工作流在变，岗位边界也在变。
这就出现了一个很大的错位：
学校在用工业时代的人才培养周期，回应 AI 时代的生产力变化周期。
UNESCO 在 2023 年发布的生成式 AI 教育与研究指南中也提醒过，公开可用的生成式 AI 工具快速出现，迭代速度正在超过许多监管框架的适应速度；教育机构也普遍还没有准备好验证这些工具。
这句话放在高校培养体系里，其实挺扎心。
教育不是不重要了。
而是教育如果继续只围绕课程、考试、学分、论文、文凭来组织，就会越来越难追上真实世界的变化。
世界经济论坛在 2025 年的《未来就业报告》中，也把技术变化、经济不确定性、人口结构变化等因素，列为 2030 年前重塑全球劳动力市场的重要驱动因素。它的样本来自 55 个经济体、22 个行业集群，覆盖超过 1000 家大型雇主，代表超过 1400 万名员工。
我看这种报告，不是为了吓唬年轻人。
而是为了提醒一件事：
岗位变化不是一个人的主观感受，而是组织端已经在重新计算“什么能力值得买单”。
04 考研避险：它解决的是焦虑，不一定解决能力
这几年，很多年轻人考研，并不是因为自己真的热爱研究。
他们真实的心理更像是：
“现在工作太难找了，我先读个研。”
“本科不够用了，我再加一层学历。”
“大家都在考，我不考好像就落后了。”
“三年后也许环境会好一点。”
这种心理我完全能理解。
一个二十出头的年轻人，面对就业市场的不确定，面对父母期待，面对同学比较，面对朋友圈里各种成功叙事，很容易把研究生当成一个相对安全的选项。
问题是：
读研如果只是为了延迟进入社会，它就很容易变成一种昂贵的等待。
等待本身不产生能力。
学校身份也不自动产生壁垒。
真正产生壁垒的，是你在这三年里是否进入了一个更深的专业结构，是否建立了更强的问题意识，是否完成了从“学生任务”到“真实交付”的转换。
如果没有这些东西，三年后你面对的可能不是一个更友好的世界。
而是一个门槛更高、岗位更少、AI 更成熟、同龄人更多的市场。
所以，我判断一个年轻人该不该读研，核心不是看他焦不焦虑，而是看三个问题：
第一，你有没有明确想进入的领域？
第二，研究生训练是不是这个领域里的关键变量？
第三，你能不能说清楚，不读研和读研之间，能力闭环到底差在哪里？
如果这三个问题说不清楚，考研就很可能不是战略选择。
它更像是一片情绪止痛片。
05 不考研，不代表躺平；更不代表不要学习
有些人听到这里，容易误解：
那是不是年轻人就不要读研了？
是不是直接去工作就行了？
不是。
我的意思恰恰相反。
年轻人如果不继续考研，反而更要学习，而且要进入一种更高密度、更真实反馈、更接近生产现场的学习。
AI 时代给年轻人最大的机会，不是“少学习”。
而是第一次让一个普通学生，在还没有进入大公司、没有资源、没有团队、没有很多钱的时候，就能提前获得一套小型生产系统。
过去，一个大学生想验证一个商业想法，成本很高。
你要懂设计，懂文案，懂调研，懂代码，懂投放，懂数据分析，懂客户沟通。
今天不一样了。
一个普通学生，如果真的愿意动手，可以在毕业前做出很多过去需要小团队才能做的事情：
• 用 AI 做行业资料收集和竞品拆解； • 用 AI 优化简历和求职策略； • 用 AI 搭一个垂直主题知识库； • 用自动化工作流管理内容采集、整理、发布； • 用低代码工具做一个小应用； • 用 AI 帮一个真实商家做客服话术、内容选题、门店活动复盘； • 用 AI 把一次实习经历沉淀成案例、SOP 和作品集。
这些事情不一定马上赚大钱。
但它们有一个共同点：
它们能把一个学生从“完成作业的人”，变成“能交付结果的人”。
这才是年轻人真正应该抓住的 AI 红利。
不是会问 AI 几个问题。
不是让 AI 替自己写作业。
不是把 AI 当成偷懒工具。
而是尽早用 AI 训练自己的四种能力：
发现真实问题-> 拆解业务动作-> 调用工具完成交付-> 把过程沉淀成可复用资产如果一个年轻人在毕业前，就能形成哪怕一个很小的闭环，比如“我能帮一个实体店连续 30 天做内容选题、短视频脚本、客户问答和活动复盘”，他的竞争力就已经和普通应届生不在一个维度上了。
我身边就有一个很具体的例子。
我女儿是一个大三的艺术设计学生，之前参与过几个 AI 项目。她后来找实习，不是简单海投简历，也不是只问 AI“帮我写一份简历”。
她做了一件更接近真实工作流的事：
她用三天时间，搭了一个 AI 实习岗位筛选工具。
这个小工具做的事情不复杂，但链路很完整。
先自动收集适合自己的实习岗位。
再把 JD 里的岗位要求拆出来。
然后和自己的经历、技能、作品集做匹配。
匹配度高的岗位，再生成更有针对性的简历版本和投递建议。
最后，她根据反馈继续调整关键词、简历表达和岗位筛选规则。
这件事听起来不算惊天动地。
但你仔细看，它已经不是“学生完成作业”的逻辑了。
它是一条小型工作流：
真实问题：我要找实习-> 真实输入：岗位 JD、个人经历、作品集、求职偏好-> AI 处理：收集、拆解、匹配、生成-> 人工判断：筛选岗位、修改简历、调整投递策略-> 反馈复盘：根据投递结果继续优化规则
AI 系统会根据约定当然条件自动做风险评估和求职建议
后来她确实在几周内找到了比较满意的实习。
我不想把这个案例包装成“AI 求职神器”。
真正重要的不是工具本身。
重要的是，一个还没毕业的大学生，已经开始用 AI 把自己的问题拆成流程，把流程跑成结果，再把结果沉淀成方法。
这跟“我会用 AI 写作业”，完全不是一回事。
前者是在旧评价系统里省力。
后者是在新生产系统里长能力。
06 读研的正确姿势：带着问题回到学校
我仍然认为，研究生教育有非常重要的价值。
但它应该回到自己的本质。
研究生教育不是给所有年轻人提供一个逃避就业的缓冲垫。
它更适合三类人。
第一类，真的对学术研究有兴趣，愿意进入一个专业纵深，长期做复杂问题。
第二类，已经在真实世界里碰到能力瓶颈，知道自己缺什么，需要系统训练来完成认知升级。
第三类，所在行业确实存在学历门槛，比如医学、法律、科研、部分技术研发、部分体制内岗位，学历本身是职业路径里的关键要素。
这三类人读研，是带着问题读。
带着问题读书，书就是工具。
没有问题地读书，书很容易变成一种心理安慰。
我更希望年轻人先建立一种判断：
文凭不是没用，而是不能替你完成能力闭环。学校不是没用，而是不能替你承担真实世界的反馈。
如果你真要读研，那就不要只把目标定成“考上”。
你应该在入学之前就想清楚：
• 我研究什么问题？ • 我想进入哪个行业？ • 我准备用 AI 放大哪部分学习和研究能力？ • 我毕业时能拿出什么作品、论文、项目、工具、案例？ • 我比三年前多出来的，不只是一张证书，还是哪套可迁移的方法？
能回答这些问题，读研就很有价值。
回答不了，最好先去真实世界里撞一撞。
07 这个时代真正奖励的，不是学历更高的人，而是反馈更快的人
过去很多家庭相信一条路：
好好读书，考上大学，拿到文凭，进入单位，稳定发展。
这条路不是完全消失了。
但它的确定性已经大幅下降。
AI 时代更奖励另一种人。
他不一定一开始学历最高，但他能更快发现问题，更快调用工具，更快完成交付，更快复盘迭代，更快把经验沉淀成系统。
这类人会越来越有优势。
因为 AI 本质上放大的是“会定义问题的人”，不是“只会等待安排的人”。
如果一个年轻人只是等着学校安排课程、老师布置作业、公司发来岗位、领导分配任务，他会越来越被动。
但如果他能主动用 AI 给自己搭一个学习系统、项目系统、作品系统、知识库系统，他就开始拥有一种新的生产力身份。
他不再只是一个毕业生。
他开始像一个微型公司一样运转。
这也是我为什么一直强调 AI 业务工作流。
AI 真正的价值，不是让你少写几行字。
它是帮你把一个真实业务动作，从输入、处理、判断、输出、复盘，逐步变成可重复执行的流程。
对年轻人来说，这件事越早开始越好。
08 最后：别把学历当防空洞，要把学习变成生产系统
我理解年轻人的焦虑。
我也理解家长对学历的执念。
在不确定的时代，人总是想抓住一点看得见的东西。文凭就是最容易被看见的东西之一。
但今天真正的问题是：
一个只看得见文凭的人，可能会错过 AI 正在重写能力评价体系这件事。
未来的竞争，不会简单地发生在“本科生”和“研究生”之间。
它更可能发生在这两类人之间：
一类人，把学校当成避难所，把文凭当成护身符，把 AI 当成偷懒工具。
另一类人，把学校当成资源场，把 AI 当成生产力杠杆，把每一次实习、项目、研究、内容输出，都沉淀成自己的工作流资产。
第一类人，就算读了很多书，也可能越来越焦虑。
第二类人，即使暂时没有最高学历，也会越来越有主动权。
所以，“读书改变命运”这句话，在今天应该换一种说法：
真正改变命运的，不是读书本身，而是你能不能把知识、工具、问题和真实交付，组织成一套属于自己的能力系统。
如果读研能帮你完成这件事，就去读。
如果不能，那就不要把青春交给一场模糊的等待。
去真实世界里找问题。
去用 AI 做项目。
去建立自己的知识库。
去跑通一个最小交付闭环。
去让学习从“消费时间”，变成“生产资产”。
这可能才是 AI 时代，普通年轻人重新理解教育的起点。
下一篇，我会继续写一个更具体的问题：
年轻人的 AI 红利，为什么常常被年轻人自己忽略？
因为很多人不是没有机会，而是还在用旧评价体系使用新工具。
资料与引用说明
1. UNESCO, Guidance for generative AI in education and research, 2023-09-07。该报告指出，公开可用的生成式 AI 工具快速出现，迭代速度正在超过许多国家监管框架的适应速度，教育机构也普遍还没有准备好验证这些工具。https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research 2. Microsoft and LinkedIn, 2024 Work Trend Index Annual Report, 2024-05-08。报告基于 31 个国家 31,000 人调查，显示 75% 的全球知识工作者已经在工作中使用 AI；66% 的领导者表示不会雇佣没有 AI 技能的人；71% 的领导者更愿意雇佣 AI 技能更强但经验较少的候选人。https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part 3. World Economic Forum, The Future of Jobs Report 2025, 2025-01-07。报告基于 55 个经济体、22 个行业集群、代表超过 1400 万员工的 1000 多家雇主视角，讨论 2025-2030 年技术变化、经济不确定性、人口变化等因素对岗位和技能的影响。https://www.weforum.org/publications/the-future-of-jobs-report-2025/ 4. 国内高校毕业生规模：正文采用 2024 届 1179 万、2025 届预计 1222 万的公开报道口径，用于说明高校毕业生长期处在千万级竞争环境中。该数据只作为就业背景，不用于推断某个专业或个体选择的确定结果。 5. Business Insider, Sierra cofounder says some of his best employees are AI-savvy 22-year-olds, 2026-07-06。文章援引 Sierra 联合创始人 Clay Bavor 在播客中的观点，提到 AI 熟练度正在改变部分 AI 公司对年轻候选人的判断方式。https://www.businessinsider.com/sierra-cofounder-best-employees-ai-savvy-22-year-olds-2026-7 6. Si Chen 等，From Score-Driven to Value-Sharing: Understanding Chinese Family Use of AI to Support Decision Making of College Applications, 2024。该研究通过 32 个访谈，观察中国家庭使用 Quark GaoKao 等 AI 工具辅助高考志愿决策的过程，指出工具常被用于生成院校列表和录取概率，但也存在过度关注即时分数结果、学生参与不足、长期职业目标被弱化等问题。https://arxiv.org/abs/2411.10280
